Agentic NPCها در حال شکستن قواعد طراحی بازی هستند

برای سه دهه، شخصیت‌های غیربازیکن (NPC) در بازی‌های ویدیویی ماشین‌های پیچیده اما در نهایت ایستا بوده‌اند: شخصیت‌هایی با پاسخ‌های از پیش نوشته شده، درختان گفتگوی شاخه‌ای و حالت‌های رفتاری که بازیکن می‌تواند پیش‌بینی و از آنها بهره‌برداری کند. شخصیت ارائه‌دهنده کوئست که فارغ از چند بار نجات شهر، همان حرف را تکرار می‌کند. نگهبانی که بی‌نهایت در یک مسیر گشت می‌زند. بازرگانی که چه همه چیز خریده باشید چه هیچ، همان موجودی را می‌فروشد.

این مدل در حال جایگزینی است. سیستم‌های Agentic AI که بر پایه همان معماری‌های مدل زبانی و یادگیری تقویتی ساخته شده‌اند که چت‌بات‌های مکالمه‌ای را تغذیه می‌کنند، NPCهایی را ممکن می‌سازند که تعاملات را به خاطر می‌سپارند، با شخصیت‌های دیگر رابطه برقرار می‌کنند، ترجیحات ایجاد می‌کنند و بدون قوانین از پیش نوشته برای هر سناریو به موقعیت‌ها واکنش نشان می‌دهند. این تغییر معماری است، نه تدریجی، و طراحان بازی را مجبور می‌کند تا فرضیاتی را که از زمان پیدایش این رسانه داشته‌اند، بازنگری کنند.

چه چیزی یک شخصیت را "Agentic" می‌کند

یک NPC عاملمند (Agentic) دارای سلسله‌مراتب اهداف، سیستم حافظه و لایه تصمیم‌گیری است که مستقل از قوانین از پیش نوشته عمل می‌کند. به جای بررسی شرایط («اگر بازیکن کوئست X را کامل کرده و امتیاز جناح بالای Y داشته باشد، دیالوگ Z را پخش کن»)، یک NPC Agentic از خود می‌پرسد: این شخصیت چه می‌خواهد، چه می‌داند، و چه عملی در شرایط فعلی بهترین خدمت را به اهدافش می‌کند؟

جریان‌های کاری نمایشی NVIDIA برای شخصیت‌های بازی خودمختار، که بر روی مدل‌های زبانی کوچک اجراشونده روی سخت‌افزار RTX ساخته شده‌اند، NPCهایی را نشان می‌دهند که زمینه را در طول ساعت‌ها بازی حفظ می‌کنند: به خاطر می‌سپارند که بازیکن سه جلسه پیش به آنها توهین کرده، که یک NPC رقیب اخیراً منبعی را که می‌خواستند به دست آورده، و اینکه شخصیت بازیکن شهرت خیانت دارد. این داده از یک لاگ جهانی رویداد واکشی نمی‌شود — در حافظه سطح شخصیت نگهداری می‌شود که رفتار را به صورت ارگانیک شکل می‌دهد.

بعد اجتماعی نیز به همان اندازه مهم است. وقتی چند NPC Agentic یک جهان را به اشتراک می‌گذارند، خارج از دید بازیکن با یکدیگر تعامل می‌کنند. بازرگانان توافق‌های قیمتی تشکیل می‌دهند. نگهبانان اطلاعات مربوط به فعالیت‌های مشکوک را به اشتراک می‌گذارند. جناح‌ها بر اساس تاریخچه انباشته شده اتحاد ایجاد می‌کنند. بازیکن وارد جهانی می‌شود که در غیاب او در حال تکامل بوده است — تجربه‌ای اساساً متفاوت از بازگشت به یک حالت منجمد.

مشکل طراحی مرحله

طراحی مرحله سنتی بر پایه پیش‌بینی‌پذیری ساخته شده است. طراح یک منبع را در مکانی قرار می‌دهد چون بازیکنان به طور قابل اعتمادی می‌خواهند به آنجا سفر کنند. یک کوئست حول NPCهایی ساختار می‌یابد که به طور قابل اعتمادی اطلاعات خاصی ارائه می‌دهند. یک اردوگاه دشمن با علم به اینکه نگهبانان مسیرهای از پیش تعیین شده خود را گشت می‌زنند طراحی می‌شود.

NPCهای Agentic این فرضیات را تضعیف می‌کنند. اگر بازرگانان بر اساس عرضه و تقاضا قیمت‌های خود را تعیین کنند، طراح نمی‌تواند تضمین کند که بازیکن منابع لازم برای پیشرفت را خواهد داشت. اگر نگهبانان اطلاعات را به اشتراک بگذارند و مسیرهای گشت را تطبیق دهند، سکانس‌های مخفی‌کاری که برای الگوهای خاص بازی طراحی شده‌اند ممکن است به طور پیش پا افتاده آسان یا ناعادلانه سخت شوند. اگر جناح‌ها بر اساس تاریخچه خود تکامل پیدا کنند، خطوط کوئست که به حالت‌های خاص جناح وابسته هستند ممکن است هرگز فعال نشوند.

طراحان بازی که خود را با این مدل تطبیق می‌دهند از تغییری از طراحی محتوا به طراحی سیستم‌ها گزارش می‌دهند. به جای تألیف رویدادهای خاصی که بازیکن تجربه خواهد کرد، آنها شرایط اولیه، اهداف شخصیت‌ها و محدودیت‌های رفتارشان را تعریف می‌کنند — سپس اجازه می‌دهند تعاملات نوظهور بازی واقعی را تولید کنند. نقش طراح به معمار شبیه‌سازی نزدیک‌تر می‌شود تا داستان‌سرا.

بازار با سرعت در حال حرکت است

بازار هوش مصنوعی در بازی‌ها در سال ۲۰۲۶ به ارزش ۱۰٫۱ میلیارد دلار برآورد شده است و پیش‌بینی می‌شود تا سال ۲۰۳۳ به ۷۵٫۱ میلیارد دلار برسد — افزایش ۷٫۴ برابری که نشان‌دهنده کاربردهای خلاقانه و بهره‌وری است. استودیوهای بازی که توسط GDC در سال ۲۰۲۶ نظرسنجی شدند، ۹۰٪ پذیرش ابزارهای هوش مصنوعی را در بخشی از فرآیندهای کاری خود گزارش کردند. اکثریت در تولید دارایی و تضمین کیفیت است، اما NPC AI سریع‌ترین دسته کاربردی از نظر سرمایه‌گذاری است.

Dreamlands و Atlas AI Studio گوگل تولید محیط سه‌بعدی و نمونه‌سازی رفتار NPC را برای استودیوهایی که ظرفیت تحقیقاتی اختصاصی هوش مصنوعی ندارند، در دسترس قرار داده‌اند. آنچه قبلاً به یک تیم تحقیقاتی اختصاصی هوش مصنوعی نیاز داشت، اکنون با استفاده از ابزارهای سطح پلتفرم قابل پیاده‌سازی است. این دموکراتیزه‌سازی به ویژه برای استودیوهای متوسط که فاقد منابع Rockstar یا Ubisoft هستند اما برای همان بازیکنان رقابت می‌کنند، قابل توجه است.

روایت‌های نوظهور و محدودیت‌های آنها

قانع‌کننده‌ترین موارد استفاده برای NPCهای Agentic بازی‌هایی هستند که روایت نوظهور یک هدف طراحی است: RPGهای جهان‌باز، شهرسازی‌ها، بازی‌های بقا. در بازی‌ای که قرار نیست هیچ دو اجرایی مشابه باشند، شخصیت‌هایی با عاملیت واقعی به هدف طراحی خدمت می‌کنند. Dwarf Fortress برای بیست سال بر اساس اصول مشابه کار کرده است؛ چیزی که تغییر کرده این است که یکپارچه‌سازی مدل زبانی نتایج را برای بازیکنان قابل فهم می‌کند به جای اینکه فقط در لاگ‌های مرموز سیستم بیان شوند.

محدودیت‌ها واقعی هستند. سیستم‌های Agentic از نظر محاسباتی گران هستند، که محدود می‌کند چه تعداد شخصیت در یک جهان می‌توانند همزمان با وفاداری کامل Agentic عمل کنند. ایمنی محتوا یک مشکل حل‌نشده است: شخصیتی که برای اهداف خود بهینه‌سازی می‌کند ممکن است دیالوگ یا رفتاری تولید کند که انتظارات بازیکن یا سیاست‌های محتوای پلتفرم را نقض کند. و برخی ژانرها — بازی‌های روایی با داستان‌های تألیف‌شده، مولتی‌پلیر رقابتی — به همان شکل از رفتار هوش مصنوعی نوظهور بهره نمی‌برند.

استودیوهایی که این مشکلات را حل می‌کنند در حال ساخت سیستم‌های ترکیبی هستند: شخصیت‌های روایی اصلی با رفتار تألیف‌شده برای تعاملات حیاتی داستان، رفتار Agentic برای جمعیت جهان محیطی، و فعال‌سازی انتخابی Agentic بر اساس نزدیکی بازیکن و اهمیت صحنه. هدف هوش مصنوعی همه چیز نیست — استفاده از هوش مصنوعی برای زنده کردن جهان پیرامون داستان تألیف‌شده است.

تنش افشا

گزارش GDC در سال ۲۰۲۶ نشان داد که ۵۲٪ از حرفه‌ای‌های صنعت بازی معتقدند هوش مصنوعی مولد تأثیر منفی بر صنعت دارد — افزایش نسبت به سال‌های قبل. نگرانی در درجه اول درباره رفتار NPC AI نیست که پذیرش گسترده‌ای دارد. بلکه درباره استفاده افشا نشده از هوش مصنوعی مولد برای دارایی‌های هنری، اجراهای صوتی و نوشتار روایی است — حوزه‌هایی که کارگران خلاق در آنها دارای منافع قراردادی و اخلاقی در افشا هستند.

صاحبان پلتفرم و ناشران به سمت الزامات افشای اجباری هوش مصنوعی برای بازی‌های تجاری منتشر شده حرکت می‌کنند. تمایز بین «رفتار NPC با کمک هوش مصنوعی» (به طور گسترده پذیرفته شده) و «دارایی‌های خلاقانه تولید شده توسط هوش مصنوعی بدون افشا» (به طور فزاینده مورد مناقشه) چیزی است که صنعت هنوز در حال کار بر روی آن است. برای طراحان بازی، چالش کوتاه‌مدت پیمایش این تمایز در حین ادغام ابزارهایی است که مرزهای دسته‌بندی واضحی ندارند.